已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
树袋熊发布了新的文献求助100
刚刚
Ekko完成签到,获得积分10
1秒前
1秒前
易楠发布了新的文献求助10
3秒前
研友_8DoPDZ发布了新的文献求助10
5秒前
xiemou完成签到,获得积分10
6秒前
xiangwang完成签到 ,获得积分10
6秒前
7秒前
Lily完成签到 ,获得积分10
8秒前
冰冰完成签到 ,获得积分10
9秒前
胡思乱想发布了新的文献求助10
10秒前
粒子完成签到,获得积分10
12秒前
能干的语芙完成签到 ,获得积分10
13秒前
张张完成签到 ,获得积分10
15秒前
科目三应助牛虻采纳,获得10
15秒前
似水流年完成签到 ,获得积分10
18秒前
彭于晏应助粒子采纳,获得10
18秒前
善良的焦完成签到,获得积分10
19秒前
天竹子完成签到,获得积分10
19秒前
plm发布了新的文献求助10
21秒前
符fu完成签到 ,获得积分10
21秒前
Amikacin完成签到,获得积分10
24秒前
JamesPei应助孙旭采纳,获得10
24秒前
kai chen完成签到 ,获得积分0
26秒前
斯文败类应助ttly采纳,获得10
27秒前
SciGPT应助小学生库里采纳,获得10
29秒前
刻苦的小土豆完成签到 ,获得积分10
31秒前
利奈唑胺完成签到,获得积分10
31秒前
HMR完成签到 ,获得积分10
34秒前
房产中介发布了新的文献求助10
34秒前
34秒前
Ywffffff完成签到 ,获得积分10
36秒前
Ephemeral完成签到 ,获得积分10
37秒前
加鱼完成签到,获得积分10
37秒前
qiang344完成签到 ,获得积分10
40秒前
研友_ZG4ml8完成签到 ,获得积分10
40秒前
pegasus0802完成签到,获得积分10
41秒前
俺爱SCI完成签到 ,获得积分10
42秒前
LeungYM完成签到 ,获得积分10
42秒前
43秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3186547
求助须知:如何正确求助?哪些是违规求助? 2836799
关于积分的说明 8011434
捐赠科研通 2499176
什么是DOI,文献DOI怎么找? 1334103
科研通“疑难数据库(出版商)”最低求助积分说明 637023
邀请新用户注册赠送积分活动 605009

今日热心研友

沉默的小天鹅
20
乐乐
1
注:热心度 = 本日应助数 + 本日被采纳获取积分÷10